李時珍是明代的神醫，真正的藥圣，嘗百草，參考各種藥學古籍，花費二十七年著述《本草綱目》，只為給后人留下一座藥物寶庫供參考，潤澤無數后人;藥王孫思邈也是救疾濟危般的圣人，《千金要方》里八百多種藥草，六千五百種藥方都是遍尋名山大川歷經數十年的求索探訪積累下來的，讓后輩受益無窮。

　　古代醫者先賢們不為名利，只為解救蒼生疾苦，懷抱利益眾生的信念，以身試藥，嘔心瀝血花費一生的精力去更新藥方，成本極大。現代制藥的過程說起來也是一把辛酸淚，造新藥的過程復雜艱難，沒有個數十年的積累和數百億資金的支持，制備新藥只能是夢境花園。

　　藥物研發效率低下是醫療領域自古的難題，數字時代技術的飛速發展，5G、云計算、AI技術協同螺旋上升，新技術讓制藥領域看到了一些革新的曙光，藥企們都積極擁抱這個新的變化，愿意躬身一試，創造新的化合藥物和增量市場。

　　溯源新藥研發

　　對于現代人來說，醫療條件變得越來越好，人均壽命逐漸增加，人們非常關注健康養身領域，再加上環境與生活的影響，疾病的種類逐漸增多，各類藥物的需求增大，疫情黑馬的攪局，讓人類更加沒有安全感，加速了醫療設備與新型藥物的需求。

　　現代制藥的新藥研發流程主要包括藥物發現(2-?年，時間不定)、臨床前研究(2-4年)、臨床試驗(3-7年)、監管審批上市(1-2年)四個階段。一款新藥從誕生到上市用于治療，需要花費十年以上的時間，數億美元的資金，并且其成功研發率還很低，據悉，每年上市的新藥僅數十種。

　　傳統的化合制備方法在藥物發現的階段，尋新靶向藥困難，通過原始的方法挨個尋找試驗，困難重重，成功率極低，依賴的是研究人員的靈感和運氣，哪怕是找到新的靶向藥了，還會有新事故的發生，藥物研發流程可能走了一大半，到了后面試驗或者上市檢測環節出現問題，前功盡棄。藥物研發率低是制藥最大的痛點，尋找新藥需要新技術的輔助。

　　AI技術中的機器學習、深度學習、自然語言處理等技術能夠提高制藥數據、信息的處理效率，對于藥物研發過程中的新藥發現，可以代替研究人員有限的知識儲備和想象力，發現原來很難、甚至不可能發現的靶點，這也是AI在制藥領域最大的價值點，AI還可以預測候選藥物的性能如藥物的吸收、代謝、毒性、不良反應等，縮小后期實驗范圍，降低臨床失敗概率，大幅降低新藥研發的時間、資金成本。

　　新藥研發商業化道路的桎梏

　　在新藥研發的過程中，AI技術分別在藥物發現、臨床前研究、臨床試驗、檢測等流程中有大的優化空間去提升效率，AI的切入將可為這些環節提供更優的解決方法。

　　新藥的早期發現是目前AI著力較多的領域，在新藥發現的階段，AI可以分析、閱讀大量理化數據、期刊文獻成果、臨床數據等，從化學和生物分子層面的篩選優化發現可能的突破口。比如AI可以預測疾病靶點、成藥靶點、藥物結構與活性的關系等。

　　在大規模臨床試驗階段，優化藥物反應試驗、選擇受試人群、藥物警戒和數據查詢等并評估通過人類臨床試驗的可能性。這些優化工作也將是大多數AI制藥企業的核心價值。

　　AI為制藥業帶來了便利，但是技術的實現并非易事，主要的制約來自數據量有限，算法模型不夠準確，復合型背景人才的缺失。

　　目前藥物研發還處于早期搭建基礎設施的階段，醫療行業的數據與其他行業不同，有效的、有價值的數據是企業核心的商業機密與發展命脈，不便對外公布，行業目前使用的公開數據主要是PubChem、ChEMBL等，其他的數據都是在科研機構與藥企自己手里，數據不夠再加上數據孤島不便打通的困境，大家能夠使用的數據非常有限。而AI技術又是一個數據饕餮大漢，需要喂養的數據越多越好，這樣迭代出來的模型才能夠越來越準確。數據與算力成為AI 制藥快車道上發展的掣肘。

　　除了數據以外，復合型人才也是高精尖領域發展的障礙之一，AI與制藥領域需要的人才都需要至少十年的培養，而在這個復雜的復合領域里面，不僅需要生物學、化學、AI 算法設計等背景的人才，也需要藥劑學、藥物臨床試驗和臨床醫學等方面的人才協同創新，而同時擁有算法和藥物研發背景的人才非常稀缺，這無疑增加了 AI 制藥領域的荊棘。

　　新藥研發是個非常復雜的過程，需要創造創新的能力，不像人工智能在其他領域的唯手熟爾的勤加練習就可以有成果，每一個新藥的研發，都是對未知領域的突破。明晰了AI制藥的挑戰和數據算力的價值，對于AI制藥的發展路徑也就能夠較好的把握。

　　后疫情時代新風口，AI制藥賽道火熱

　　AI 制藥企業在前期需要進行大量的數據與算法的積累，在早期商業化道路上稍顯蹣跚。但是AI技術本身對于藥物的研發來說，具有很大的價值。后疫情時代，有關藥物研發、醫療設備的概念股飆升，背后折射的是人們對于健康的看重。

　　資本持續加注投資，融資數目以及數字金額持續增長翻番，據斯坦福大學發布《人工智能指數》報告顯示，2020年投資于AI藥物研發領域公司和項目的資金增至138 億美元，超過 2019 年同期的 4.5 倍以上。

　　傳統藥企和國內巨頭企業紛紛發力，要么投資，要么自建平臺布局AI制藥，競爭激烈。國內明星AI制藥創企晶泰科技背后的投資方就有騰訊的身影。

　　除了投資外，騰訊在去年九月發布人工智能藥物發現平臺“云深智藥”，平臺關于虛擬篩選和ADMET性質預測兩個工具制藥模塊已開放免費使用，蛋白質結構預測、分子設計/優化、合成路線規劃等模塊陸續在上線中。藥企、科研機構等不僅能夠免費試用平臺搭載的核心功能，也可以和騰訊共同開發定制化的AI工具，目前騰訊已經和多家藥企達成合作。

　　阿里云與全球健康藥物研發中心GHDDI合作開發人工智能藥物研發和大數據平臺，針對冠狀病毒的歷史藥物研發進行數據挖掘與集成，計算靶點和藥物分子性質，并跟進新型冠狀病毒最新科研動態，為新型冠狀病毒科學研究提供重要數據支撐。

　　百度的百圖生科定位于一家生物計算技術驅動的生命科學平臺公司，致力于用高性能生物計算和多組學數據技術加速創新藥物和早篩早診等精準生命科學產品的研發。其發布的螺旋槳 PaddleHelix 生物計算開源工具集，提供了包括 RNA 二級結構預測、大規模的分子預訓練、藥物 - 靶點親和力預測、以及 ADMET 成藥性預測等一系列算法和模型，重點滿足生物醫藥，疫苗設計和精準醫療方面的 AI 需求。

　　互聯網巨頭躬身入場 AI 制藥，它們的最大優勢在于算力和算法，而有關藥物領域的人才以及數據池都比較欠缺，而欠缺的這些要素正好是傳統藥企的核心價值，傳統藥企國外如默沙東、賽諾菲等，國內如齊魯制藥，海正藥業等老牌廠商，他們擁有成熟的藥研體系與數據池，研發資金充足、項目經驗豐富;雙方的牽手也是互相成就的最佳選擇，前景可觀。

　　無論傳統藥企還是騰訊、阿里、百度等互聯網巨頭跑步入場的姿態，巨頭、創企紛紛布局，AI制藥已然成為了風口，目前整個產業也是巨頭把控技術與核心數據，因為資源聚集而吃香。不過新晉AI創企也在紛爭中有一席之地，其商業模式逐漸清晰，與傳統藥企科研機構合作，出售解決方案或者新藥，國外企業如 Exscientia、Atomwise，國內晶泰科技、燧坤智能、星藥科技等，他們在信息搜集與整合、靶點篩選、藥物設計合成、藥物有效性預測以及臨床試驗數據優化等細分環節中，發揮作用，蓬勃發展的初創企業正在為 AI 制藥行業帶來全新的視角和分析工具。

　　從AI制藥這一概念提出至今，其所賦能的新藥研發不斷產生突破性進展，國內外企業通過AI技術找到了新靶點新藥物的案例不少。商業化步伐最快的美國上市企業 Schrodinger，目前有兩款 AI技術制成的新藥已經獲得 FDA 批準。今年2月，AI藥物研發公司Insilico Medicine宣布其用時僅18個月、投入僅260萬美元，利用AI發現新機制特發性肺纖維化藥物，并成功通過多次人類細胞和動物模型實驗驗證。英國的Exscientia公司運用AI開發的臨床前候選化合物也已在去年進入到臨床階段。

　　雖然不斷有新藥研發出來的消息，但是AI制藥目前還處于早期的爬坡階段，大家處于嘗鮮新技術紅利期，各自利用手頭的資源跑馬圈地，探索發展，競爭的關鍵就是數據與算法，如何盡快的完成數據的原始積累，優化系統和算法，再不斷產出新的優質數據，形成良性閉環，才能在這個競爭勢態中跑出來。未來，我們會看到越來越多的新藥走到臨床開發后期，逐漸上市，也會有更多的靶向藥物設計有突破。AI+制藥，讓商業前景和社會價值盡顯。

　　十年前，談起AI我們可能會想到自動駕駛、智能交互這一天的到來，但是關于創造藥物，可能沒有料到，因為AI技術中立的性質，也能算為現代版的藥圣，古醫嘗遍百草，AI算盡新藥，科技向善，面向醫療領域就是濟世蒼生。